emanagE-ManagementE-Management2658-34452686-8407State University of Management10.26425/2658-3445-2023-6-2-37-48emanag-372Research ArticleИНСТРУМЕНТАЛЬНЫЕ И МАТЕМАТИЧЕСКИЕ МЕТОДЫ В ПРОЦЕССАХ УПРАВЛЕНИЯINSTRUMENTAL AND MATHEMATICAL METHODS IN MANAGEMENT PROCESSESПрименение теории нечетких множеств в задаче оценки конкурентоспособности продукцииApplication of the fuzzy sets theory in the problem of products competitiveness evaluationhttps://orcid.org/0000-0003-3491-126XКостиковаА. В.KostikovaA. V.

Костикова Анастасия Владимировна - канд. экон. наук, доц. каф. информационных систем в экономике

Волгоград

Anastasiya V. Kostikova - Cand. Sci. (Econ.), Assoc. Prof. at the Information Systems in the Economy Department

Volgograd

anastasia.ise@yandex.ruhttps://orcid.org/0000-0002-0046-3190КузнецовС. Ю.KuznetsovS. Yu.

Кузнецов Сергей Юрьевич - канд. экон. наук, доц. каф. информационных систем в экономике

Волгоград

Sergey Yu. Kuznetsov - Cand. Sci. (Econ.), Assoc. Prof. at the Information Systems in the Economy Department

Volgograd

floyd_80@mail.ruhttps://orcid.org/0000-0003-0642-2901ТерелянскийП. В.TerelianskyP. V.

Терелянский Павел Васильевич - д-р экон. наук, канд. техн. наук, зам. начальника Управления цифровой трансформации

Москва

Pavel V. Tereliansky - Dr. Sci. (Econ.), Cand. Sci. (Engr.), Deputy Chief of Digital Transformation Management Department

Moscow

tereliansky@mail.ruВолгоградский государственный технический университетРоссияVolgograd State Technical UniversityRussian FederationРоссийский экономический университет им. Г. В. ПлехановаРоссияPlekhanov Russian University of EconomicsRussian Federation202324072023623748Copyright © Костикова А.В., Кузнецов С.Ю., Терелянский П.В., 20232023Костикова А.В., Кузнецов С.Ю., Терелянский П.В.Kostikova A.V., Kuznetsov S.Y., Tereliansky P.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://e-management.guu.ru/jour/article/view/372

В статье рассматривается пример использования инструментария теории нечетких множеств в задаче исследования конкурентоспособности товаров и фирм. Конкурентоспособность товара определяется через его полезность в двух проявлениях: субъективной и объективной. Преобразование значения показателей полезности из простейших шкал к шкале равных отношений осуществляется через графические функции принадлежности. Определена общая модель процесса многокритериального выбора оптимальных альтернатив на основе пересечения нечетких множеств. Рассмотрена методика построения и анализа множества недоминируемых альтернатив на основе нечеткого отношения предпочтения. Поставлена задача ранжирования альтернатив ‒ сложных технических устройств с учетом нескольких критериев сравнения, часть из которых являются качественными, оцениваемыми по безразмерным шкалам с помощью экспертных оценок. Для всех критериев определены весовые коэффициенты, построены функции принадлежности альтернатив подмножеству оптимальных и матрицы нечетких отношений предпочтения, сформировано подмножество недоминируемых альтернатив. По максимальному из значений элементов подмножества определена оптимальная альтернатива. Результаты расчетов могут быть использованы для дальнейшего принятия обоснованных решений в условиях отсутствия четких числовых данных и наличия слабоформализованных экспертных утверждений. Таким образом, показана эффективность и практичность применения методологии нечетких множеств в задачах ранжирования и оптимального выбора альтернатив.

The article considers an example of using the tools of fuzzy sets theory in the problem of studying competitiveness of goods and firms. The competitiveness of goods has been defined through their utility in both subjective and objective manifestations. The transformation of utility indicators value from the simplest scales to the scale of equal relations has been carried out through the graphical membership functions. The general model of multi-criteria choice of optimal alternatives based on the intersection of fuzzy sets has been defined. The construction method and non-dominant alternatives set analysis on the basis of fuzzy preference relation has been considered. The problem of ranking alternatives, that are complex technical devices, considering several comparison criteria, some of which are qualitative, has been assessed by dimensionless scales with expert evaluations. Weighting coefficients have been determined for all criteria, alternatives functions belonging to the subset of optimal and matrices of fuzzy preference relations constructed, and a subset of non-dominant alternatives formed. The optimal alternative has been determined by the maximum value of subset elements. Calculation results can be used for further informed decision making in the absence of clear numerical data and presence of weakly formalized expert statements. Thus, the effectiveness and practicality of applying fuzzy sets methodology in ranking problems and optimal choice of alternatives has been shown.

многокритериальный выборэкспертные оценкитеория нечетких множествзначимость критериевфункции принадлежностиоценка качества продукцииконкурентоспособностьподмножества альтернативmulti-criteria choiceexpert evaluationsfuzzy sets theorycompetitivenesssignificance of criteriamembership functionsproduct quality assessmentcompetitive abilitysubsets of alternativesReferencesАзгальдов Г.Г. (1982). Теория и практика оценки качества товаров. Основы квалиметрии. М.: Экономика. 256 с.Azgaldov G.G. (1982), Theory and practice of assessing the quality of goods. Fundamentals of Qualimetry, Economics, Moscow (in Russian).Азгальдов Г.Г. (1989). Квалиметрия в архитектурно-строительном проектировании. М.: Стройиздат. 264 с.Azgaldov G.G. (1989), Qualimetry in architectural and construction design, Stroyizdat, Moscow (in Russian).Азгальдов Г.Г., Райхман Э.П. (1973). О квалиметрии. М.: Изд-во стандартов. 172 с.Azgaldov G.G., Raikhman E.P. (1973), About Qualimetry, Publ. House of Standards, Moscow (in Russian).Броневич А.Г., Лепский А.Е. (2001). Нечеткие модели анализа данных и принятия решений. М.: ИД НИУ ВШЭ. 264 с.Bronevich A.G., Lepskiy A.E. (2001), Fuzzy models of data analysis and decision making, Higher School of Economics Publ. House, Moscow (in Russian).Декатов Д.Е. (2008). Многокритериальная оценка конкурентоспособности инновационных организаций автоматизированными методами семейства ELECTRE // Инновационный менеджмент. № 3. С. 180–186.Dekatov D.E. (2008), “Multi-criteria assessment of the competitiveness of innovative organizations by automated methods of the ELECTRE family”, Innovation Management, no. 3, pp. 180–186 (in Russian).Заде Л.А. (1976). Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир. 165 с.Kats A.M. (2006), “On assessing the competitiveness of technology”, Economist, no. 3, pp. 58–63 (in Russian).Кац А.М. (2006). Об оценке конкурентоспособности техники // Экономист. № 3. С. 58–63.Kostikova A.V., Skiter N.N. (2018), “Formation of a dynamic knowledge base of fuzzy inference systems for estimating changing in time objects”, E-Management, vol. 1, no. 1, pp. 52–59 (in Russian), DOI https://doi.org/10.26425/2658-3445-2018-1-52-59Костикова А.В., Скитер Н.Н. (2018). Формирование динамической базы знаний систем нечеткого вывода для оценки объектов, изменяющихся во времени // E-Management. Т. 1, № 1. С. 52–59. DOI https://doi.org/10.26425/2658-3445-2018-1-52-59Kostikova A.V. (2014), Development of dynamic fuzzy models for analyzing the quality of life of the population, Volgograd (in Russian).Костикова А.В. (2014). Разработка динамических нечетких моделей для анализа качества жизни населения. Волгоград. 200 с.Kostikova A.V., Tereliansky P.V., Shuvaev A.V., Parakshina V. and Timoshenko P.N. (2016), “Expert Fuzzy Modeling of Dynamic Properties of Complex Systems”, ARPN Journal of Engineering and Applied Sciences, vol. 11, no 17, pp. 1022–1030.Кузнецов С.Ю. (2019). Методология теории нечетких множеств в исследовании уровня организационного управления // Аудит и финансовый анализ. № 5. C. 212–216.Kuznetsov S.Yu. (2019), “Methodology of fuzzy set theory in the study of organizational management degree”, Audit and financial analysis, no. 5, pp. 212–216 (in Russian).Поспелов Д.А. (1986). Нечеткие множества в моделях управления и искусственного интеллекта. М: Наука. 312 с.Pospelov D.А. (1986), Fuzzy sets in control and artificial intelligence models, Science, Moscow (in Russian).Орлов А.И. (1980). Задачи оптимизации и нечеткие переменные. М.: Знание. 64 с.Orlov А.I. (1980), Optimization problems and fuzzy variables, Science, Moscow (in Russian).Скитер Н.Н. (2021). Цифровая экономика и инновационное развитие регионов России: монография. Волгоград: ВолгГТУ. 121 с.Skiter N.N. (2022), “Developing a model for assessing the behavior of innovative market participants in the context of information asymmetry with low quality and cost of goods”, Financial business, no. 6, pp. 84–88 (in Russian).Скитер Н.Н. (2022). Разработка модели оценки поведения участников инновационного рынка в условиях информационной асимметрии при низком качестве и себестоимости товара // Финансовый бизнес. № 6. С. 84–88.Skiter N.N., Narkevich L.V. (2020), “Methodological and practical aspects of competitiveness of agricultural organizations’ products analysis”, Problemy ekonomiki, no. 2(31), pp. 214–227 (in Russian).Скитер Н.Н., Наркевич Л.В. (2020). Методические и практические аспекты анализа конкурентоспособности продукции организаций АПК // Сборник научных трудов «Проблемы экономики». № 2(31). С. 214–227.Skiter N.N. (2021), Digital Economy and Innovative Development of Russian Regions: monograph, Volgograd State Technical University, Volgograd (in Russian).Терелянский П.В. (2009). Непараметрическая экспертиза объектов сложной структуры: монография. М.: Дашков и К°. 221 с.Tereliansky P. V. (2009), Non-parametric examination of objects of complex structure: monograph, Dashkov and Co., Moscow (in Russian).Терелянский П.В., Андрейчиков А.В. (2007). Информационные технологии прогнозирования технических решений на основе нечетких и иерархических моделей: монография. Волгоград: ВолгГТУ. 204 с.Tereliansky P.V., Andreichikov А.V. (2007), Information technologies for forecasting technical solutions based on fuzzy and hierarchical models: monograph, Volgograd State Technical University, Volgograd (in Russian).Kostikova A.V., Tereliansky P.V., Shuvaev A.V., Parakshina V., Timoshenko P.N. (2016). Expert Fuzzy Modeling of Dynamic Properties of Complex Systems // ARPN Journal of Engineering and Applied Sciences. Vol. 11, no. 17. Pp. 1022–1030.Zadeh L.A. (1976), The concept of a linguistic variable and its application to approximate reasoning, Mir, Moscow (in Russian).

The authors declare that there are no conflicts of interest present.